論文の概要: Testing a Drop of Liquid Using Smartphone LiDAR

• arxiv url: http://arxiv.org/abs/2203.07567v1
• Date: Tue, 15 Mar 2022 00:12:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 15:39:31.075176
• Title: Testing a Drop of Liquid Using Smartphone LiDAR
• Title（参考訳）: スマートフォンLiDARによる液滴の試験
• Authors: Justin Chan, Ananditha Raghunath, Kelly E. Michaelsen, and Shyamnath Gollakota
• Abstract要約: 本稿では,現代スマートフォンに搭載されているLiDARセンサを用いて,流体特性を判定するシステムを提案する。 私たちのデザインは、携帯電話から液体にコヒーレントなLiDARビームをターゲットにすることで機能します。 携帯電話のカメラを用いて、光散乱粒子から反射する光の干渉によって形成される特徴的なレーザースペックルパターンをキャプチャする。
• 参考スコア（独自算出の注目度）: 4.603006709596951
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present the first system to determine fluid properties using the LiDAR sensors present on modern smartphones. Traditional methods of measuring properties like viscosity require expensive laboratory equipment or a relatively large amount of fluid. In contrast, our smartphone-based method is accessible, contactless and works with just a single drop of liquid. Our design works by targeting a coherent LiDAR beam from the phone onto the liquid. Using the phone's camera, we capture the characteristic laser speckle pattern that is formed by the interference of light reflecting from light-scattering particles. By correlating the fluctuations in speckle intensity over time, we can characterize the Brownian motion within the liquid which is correlated with its viscosity. The speckle pattern can be captured on a range of phone cameras and does not require external magnifiers. Our results show that we can distinguish between different fat contents as well as identify adulterated milk. Further, algorithms can classify between ten different liquids using the smartphone LiDAR speckle patterns. Finally, we conducted a clinical study with whole blood samples across 30 patients showing that our approach can distinguish between coagulated and uncoagulated blood using a single drop of blood.
• Abstract（参考訳）: 最新のスマートフォンに搭載されたLiDARセンサを用いて,流体特性を判定するシステムを提案する。 粘度などの従来の測定方法は高価な実験装置や比較的大量の流体を必要とする。 対照的に、私たちのスマートフォンベースの方法はアクセス可能で、接触なく、1滴の液体で機能します。 私たちのデザインは、携帯電話から液体にコヒーレントなLiDARビームをターゲットにすることで機能します。 携帯電話のカメラを用いて,光散乱粒子から反射する光の干渉によって形成されるレーザースペックルパターンを捉えた。 時間とともにスペックル強度のゆらぎを関連付けることで、その粘度と相関する液体内のブラウン運動を特徴付けることができる。 スペックルパターンは様々な電話カメラで撮影することができ、外部の拡大器を必要としない。 以上の結果から, 脂肪含有量の違いと, 成体乳の識別が可能であることが示唆された。 さらに、スマートフォンのLiDARスペックルパターンを使用して、10種類の液体を分類することができる。 最後に,30例の血液サンプルを用いて臨床的検討を行い,1滴の血液を用いて,凝固血と未凝固血を区別できることを示した。

関連論文リスト

• The Sound of Water: Inferring Physical Properties from Pouring Liquids [85.30865788636386]
  注水液の音響・視覚観測と物理の関連性について検討した。 本研究の目的は, 液位, 容器形状, 注水速度, 充填時間などの物性を自動的に推定することである。
  論文  参考訳（メタデータ） (2024-11-18T01:19:37Z)
• Predicting fluorescent labels in label-free microscopy images with pix2pix and adaptive loss in Light My Cells challenge [12.373115873950296]
  そこで本研究では,Light My Cells チャレンジのためのディープラーニングに基づくサイリコラベリング手法を提案する。 本手法は, シリカラベリングにおける有望な性能を実現する。
  論文  参考訳（メタデータ） (2024-06-22T03:10:23Z)
• Training-free image style alignment for self-adapting domain shift on handheld ultrasound devices [54.476120039032594]
  本稿では,ハンドヘルドデバイスデータのスタイルを標準デバイスと整合させるための,トレーニングフリーなイメージスタイルアライメント(TISA)フレームワークを提案する。 TISAは、余分な訓練なしにハンドヘルドデバイスイメージを直接推測することができ、臨床応用に適している。
  論文  参考訳（メタデータ） (2024-02-17T07:15:23Z)
• Spotting LLMs With Binoculars: Zero-Shot Detection of Machine-Generated Text [98.28130949052313]
  密接に関連する2つの言語モデルとの対比に基づくスコアは、人文と機械文の分離に極めて正確である。 本稿では,一対の事前学習 LLM を用いた簡単な計算しか必要としない新しい LLM 検出器を提案する。 Binocularsと呼ばれるこの方法は、トレーニングデータなしで最先端の精度を実現する。
  論文  参考訳（メタデータ） (2024-01-22T16:09:47Z)
• Combining transmission speckle photography and convolutional neural network for determination of fat content in cow's milk -- an exercise in classification of parameters of a complex suspension [0.0]
  乳脂肪含有クラスの直接分類と認識のために,透過スペックル写真と機械学習を組み合わせた。 牛乳の場合、主に脂肪含有量を構成する脂肪球の大きさ分布と濃度である。 我々は畳み込みニューラルネットワークを訓練し、異なる脂肪量クラスからレーザースペックルを認識し分類した。
  論文  参考訳（メタデータ） (2023-07-08T23:59:31Z)
• Deep-learning Assisted Detection and Quantification of (oo)cysts of Giardia and Cryptosporidium on Smartphone Microscopy Images [0.7508386479587535]
  我々は,GiardiaとCryptosporidiumの(o)嚢胞を検出する4つの最先端物体検出器の性能を評価した。 深層学習モデルは、その有効性と限界を探求するために用いられた。 以上の結果から, 深層学習モデルでは, 明視野顕微鏡画像データセットの方が精度がよいが, スマートフォンの顕微鏡による予測は, 非専門家の予測性能に匹敵することがわかった。
  論文  参考訳（メタデータ） (2023-04-11T16:58:59Z)
• Transient motion classification through turbid volumes via parallelized single-photon detection and deep contrastive embedding [12.806431481376787]
  並列化単一光子dEtection (CREPE) を用いた高速デコリレーションイベントの分類手法を提案する。 332時間s32ピクセルSPADアレイからのパラレル化スペックルを用いて、タービッドボリュームの下に隠された異なる非相関運動を高い感度で探索し分類することができる。 これは、例えば異常な脳血流のイベントを識別するなど、通常、深部組織の動きパターンを監視するために応用される可能性がある。
  論文  参考訳（メタデータ） (2022-04-04T14:27:36Z)
• Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
  本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。 HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。 我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
  論文  参考訳（メタデータ） (2022-03-14T17:05:59Z)
• A Novel Home-Built Metrology to Analyze Oral Fluid Droplets and Quantify the Efficacy of Masks [0.0]
  このプロジェクトには、セットアップの最適化、データ収集、データ分析、アプリケーションが含まれる。 データ収集中、被験者はまず、摂取可能な蛍光液体(音波水)で口を湿らせて、紫外線の暗い光の下で話す、くしゃみをする。 トニックウォーター滴から発生する蛍光を可視化し、iPhone 8+カメラでスローモ(240fps)で記録し、分析する。
  論文  参考訳（メタデータ） (2022-01-03T19:20:05Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。